一、复合Anytime算法的性能描述的生成(论文文献综述)
金浙[1](2021)在《非交叉路段智能车决策规划算法研究》文中研究说明随着电动汽车、人工智能、传感器技术、5G通信等新技术的不断发展,智能网联汽车将成为“中国制造2025”、“互联网+”等重大国家发展战略中的重要支柱。决策规划系统作为自动驾驶车辆的核心系统之一,担负着引导车辆安全、高效地通过各种复杂路段,也因此决定了自动驾驶的智能化程度。根据科技部国家重点研发计划“电动自动驾驶汽车关键技术研究及示范运行”,本文对非交叉道路中自动驾驶车辆的决策规划算法进行研究,通过机器学习对决策系统进行建模,规划系统根据决策结果进行路径和速度的规划,从而使车辆能够快速选择合适的目标车道并规划出安全、合法、舒适的轨迹。本文首先处理公共自动驾驶数据集——Next Generation SIMulation(NGSIM),并将处理后的数据作为决策网络的原始数据,接着对原始数据进行清洗,主要包括数据预处理、决策场景提取和数据生成三个过程,使其满足网络输入格式的要求。其次,在Prescan仿真过程中,仿真传感器的数据也需要经过算法的处理才能输入到决策网络中进行决策,其中包括使用激光雷达进行目标检测、使用毫米波雷达对环境车的运动信息进行提取等。决策网络的输入数据准备好后,接下来将使用这些数据做出决策并规划出合理的路径。决策系统主要采用了基于全连接前馈神经网络的决策系统、基于循环神经网络的决策系统和基于自动机器学习的决策系统三种方式,根据每种模型的特点选择合适的网络参数和训练参数进行训练,通过比较三种不同网络在数据集上的表现,选取最优的网络作为决策模型。运动规划算法首先根据决策结果中的目标车道,使用RRT*算法规划一条路径,如果在规定的时间内规划失败,则保持当前车道行驶,如果规划成功,则根据规划的路径进行轨迹平滑和速度规划。轨迹平滑和速度规划都将采用优化的方式,分别设置等式和不等式约束,并选择相应的优化目标函数进行优化,为保证轨迹和速度的连续性并简化计算,轨迹和速度方程都使用三次多项式来表示。最后,本文搭建了基于ROS和Prescan的联合仿真环境,在动态验证之前,先选择最优的决策网络,并验证了运动规划算法的有效性,接着进行三种动态工况的仿真,最终的结果体现了本文决策规划算法有效性。
孙传扬[2](2021)在《智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究》文中研究指明智能汽车是先进传感与人工智能等新兴技术融合发展的产物,是具有自动驾驶功能的新一代汽车,同时也是解决交通事故、车辆利用率低与交通拥堵等问题的关键,发展智能汽车对于加速我国汽车产业转型升级具有重要意义。智能汽车紧急避撞功能的研究对于智能驾驶技术的推广应用、车辆行驶安全性能的提升等具有重要的推动作用,同时对于发展车辆运动规划与运动控制等技术具有积极意义。本文以智能汽车为研究对象,重点开展了紧急避撞工况下轨迹规划策略、路径跟踪控制系统建模、路径跟踪控制策略设计与优化等方面的研究。本文针对对向车辆侵入自车行驶车道引起的车辆碰撞事故,开展了智能汽车紧急避撞轨迹规划策略的研究。研究了对向车辆轨迹预测算法与自车轨迹规划功能开启的触发条件,提出了融合减速转向与定速转向等避撞方式的候选避撞轨迹规划方法;设计了基于模型预测的路径规划算法、具有“最小速度”代价函数的五次多项式速度规划算法与基于BP神经网络的目标状态确定方法,完成了对避撞轨迹的规划;设计了具有分层结构的碰撞检测算法与车辆碰撞位置预测算法;提出了结合碰撞速度变化量与车辆碰撞类型的自车碰撞严重度预测算法以及针对无碰撞候选轨迹的多目标评价函数,确定了综合性能最优的智能汽车避撞轨迹。本文建立了智能汽车路径跟踪控制系统的状态空间模型,该模型由二自由度车辆模型、轮胎侧向力计算模型及路径跟踪误差模型等三部分组成。建立了智能汽车侧向动力学模型,设计了应用Fiala轮胎模型与前轮侧向力数值查表的期望前轮转向角数值计算方法;研究了轮胎模型线性化过程中提高轮胎非线性特征描述精度的方法,提出了基于两点仿射近似的后轮侧向力线性化计算模型;建立了基于横摆角偏差的智能汽车路径跟踪误差模型,完成了智能汽车路径跟踪控制系统状态空间模型的建立。研究了基于车辆转向工况识别的复合跟踪误差模型,开发了智能汽车紧急避撞路径跟踪控制策略。建立了MPC控制算法的预测模型、代价函数以及MPC路径跟踪控制算法;研究了跟踪误差模型对车辆路径跟踪控制性能的影响机理,得出了兼顾车辆在稳态与瞬态转向工况下路径跟踪精度的复合跟踪误差模型;研究了可表征车辆横向运动状态及其变化趋势的特征参数,设计了采用模糊逻辑与加权平均方法的转向工况识别算法;研究了智能汽车的行驶稳定性约束,建立了基于复合跟踪误差模型的智能汽车紧急避撞路径跟踪控制策略。开展了智能汽车路径跟踪控制策略的鲁棒优化研究,建立了Tube-RMPC路径跟踪鲁棒优化控制策略。分析了智能汽车行驶环境中强侧向风等典型的不确定性,建立了带不确定性的路径跟踪控制系统模型;研究了路径跟踪控制系统Tube不变集的设计要求,提出了基于控制矩阵多面体分割的Tube不变集计算方法,运用离线凸包运算与N步可达集运算,获得了紧缩的Tube不变集序列;计算了Tube-RMPC算法的闭环反馈增益、终端代价函数、终端约束集以及名义路径跟踪控制系统的容许集,建立了Tube-RMPC路径跟踪鲁棒控制策略。开展了智能汽车紧急避撞轨迹规划与路径跟踪控制策略的仿真试验研究。仿真试验结果表明:所提出的基于复合跟踪误差模型的控制策略能在车辆接近操作极限的紧急避撞工况下将跟踪误差控制在0.1m以内,并且与广泛使用的基于横摆角偏差跟踪误差模型的控制策略相比,该策略将智能汽车路径跟踪的侧向位置偏差均方根值减小了28.6%。所提出的Tube-RMPC路径跟踪鲁棒控制策略能在路面附着系数识别误差为0.3、侧向风速为25m/s的条件下,将紧急避撞工况下智能汽车的路径跟踪误差控制在0.2m以内,实现了智能汽车的稳定控制;对设计的轨迹规划策略的触发条件、碰撞检测算法、碰撞严重度预测函数与候选轨迹多目标综合评价函数等算法的有效性进行了验证;仿真试验表明,所设计的紧急避撞轨迹规划策略能够使智能汽车在对向车辆侵入自车道的场景下,以较大的避撞安全余量实现碰撞避免或以较小的预测碰撞严重度实现碰撞缓解。图91幅,表13个,参考文献200篇。
何磊[3](2019)在《敏捷卫星协同调度模型与算法》文中研究说明作为空间图像采集的主要平台,对地观测卫星的主要任务是根据用户需求获取地球表面的观测信息,由于其具有覆盖范围广、成像时间长、不受国境限制等优势,对地观测卫星在经济发展、灾害救援和应急监测等任务中发挥着越来越重要的作用。近年来,卫星能力的不断发展以及新的应用需求的不断提出,为当前的卫星任务观测规划系统提出了新的挑战:新一代敏捷对地观测卫星与传统卫星相比,带有时间依赖特性,其规划调度问题更加复杂;大面积区域监测、海洋移动目标跟踪等复杂任务需要多颗卫星之间能够有效协同;云层遮挡等实时变化的天气情况对卫星成像的影响较大,降低了卫星的使用效能;突发紧急任务的观测需求要求卫星具有快速响应能力。本文围绕敏捷卫星协同调度问题,从以下几个方面展开研究:首先,研究带有时间依赖的单颗敏捷卫星调度问题。能够在确定性环境下高效的求解单星调度问题,是能够良好解决多星协同调度问题和不确定性环境下敏捷卫星调度问题的关键。提出了一种结合自适应大邻域搜索算法和禁忌搜索算法的混合算法,算法包含多种禁忌规则、多个通用随机化邻域算子、一种部分序列支配策略、一种针对带有序列依赖和时间依赖调度问题的任务快速插入策略。该调度方法具有良好的通用性,在包括单颗敏捷卫星调度问题在内的三类不同问题上,均取得了比当前最优算法更好的效果。同时分析了算法在具有不同特性的算例上的表现,得出了一些指导算法参数设置的通用结论。最后,考虑到当前在带有时间依赖的敏捷卫星调度领域公开的测试数据和源代码较少,本文公开使用的测试数据和源代码,以促进本领域的研究。其次,研究带有时间依赖的多颗敏捷卫星协同调度问题。多星协同调度问题的主要难点之一是由于卫星数量增加而导致的解空间急剧增大。为了解决该问题,首先深入分析了针对多星协同调度问题进行任务分配的必要性。提出一种自适应任务分配策略,将提出的自适应大邻域搜索算法扩展到多个卫星协同调度的情况。该自适应分配方法考虑了多种任务分配方式,算法能够根据不同算例的特性自主调整各个任务分配算子的权重,从而实现自适应的任务分配。大量的计算结果表明,所提出的自适应任务分配机制比当前最新的多卫星协同调度方法更有效。在仿真实验中研究了参数对算法性能的影响,并对不同算例进行了比较,得出了一些通用结论。再次,研究考虑时变云层遮挡的多颗敏捷卫星协同调度问题。针对如实时变化的云层遮挡这类可以预测的不确定性,提出一种介于全在线与离线之间的、用于实时调度问题的分层式协同调度方法。利用云层预报的准确性随着预测提前时间的减少而提高的特性,该方法从一个简单的任务分配和粗略调度过程开始,随着任务观测开始时间的临近,对云层的预测准确性逐渐提高,逐步改善调度的精细度。本方法通过推迟调度时间,有效减少云层覆盖对观测的影响。同时,与传统的包含离线调度和在线重调度的两阶段调度方法相比,此方法中确定具体观测开始时间的精细调度仅执行一次,从而实现了更高的资源利用率。仿真结果表明,该算法可以在多种任务分布方式、调度范围、任务数量和卫星数量的算例上,降低计算成本、提高解质量,特别是针对规模较大的算例。该框架和层次结构机制也可以应用于其他具有实时变化环境的大规模优化问题。最后,研究考虑紧急任务的多星分布式协同调度问题。紧急任务是卫星系统在应用过程中经常遭遇的一类不确定性事件,例如自然灾害、周边热点事件等等,由于较大的时间和空间的不确定性,很难对这些紧急任务进行预测。针对此问题,提出一种多可行解合成框架,将复杂的星上调度问题转换为一个简单的可行解选择问题,实现在有限的计算资源和计算时间的约束下,快速生成一个质量较高的解。同时,提出多种不确定环境下多卫星分布式协同调度方法,包含一种贪婪选择机制、一种基于多Agent马尔可夫决策过程的最优协同策略机制、以及一种基于混合整数规划的最优选择机制。提出的多星协同方法使卫星可以根据策略快速做出独立决策,从而在不进行通信的情况下也能快速取得较高收益。通过多组仿真实验,验证了提出的多解合成框架和分布式协同策略对于星上重调度问题的有效性。同时,实验发现了不同协同策略对具有不同特征的算例的适应性。
吕重阳[4](2019)在《水下航行器路径规划关键技术研究》文中指出世界各国对海洋资源探索已成为一种“隐形”科技竞赛,而水下航行器的路径规划技术则对海洋探索起着至关重要的作用。随着人类对海洋资源探索需求地提升以及海底环境复杂程度地增加,单独水下航行器已经无法满足人们的要求,多水下航行器系统就此应运而生。水下航行器系统具有机动性强、工作效率高以及更好应对突发事件等优势。要想更好地完成多水下航行器路径规划问题,单独水下航行器路径规划的安全性与完整性是前提,在此基础上加入多航行器协同性则会使整个系统的效率较大提升。本文围绕水下航行器路径规划关键技术进行了深入研究,其中包括水下环境三维建模仿真技术、多水下航行器全局路径规划技术、水下动态障碍物实时避碰技术、复杂环境目标强跟踪技术、多水下航行器协同定位技术。主要内容有为:海底环境建模是水下航行器路径规划的前提,准确地建立海底地形能够增大航行器水下航行的安全指数并提高航行效率。本文从多幅二维矢量电子海图中提取离散水深数据点,首先介绍几种常用经典数据融合方法,并进行优缺点阐述,针对地形数据融合复杂且低效的缺点,将智能优化算法和卡尔曼滤波相结合,提出一种改进的自校正融合技术,并对提取得离散水深点进行融合。融合后的水深点利用效率较高,但相对间隔较大而无法实现海底环境得高精度模拟。所以本文进一步对融合后的数据进行插值,在分形插值算法理论基础上,提出一种复合分形插值算法,从而生成一种精度更高的三位海底环境模型,最后通过数值仿真实验对改进后的插值算法与传统的插值算法进行实验结果对比分析。路径规划分为静态规划和动态规划两部分。本文将全局静态路径规划问题转化为分段最优点求值问题,通过对粒子群算法中惯性权值和学习因子地改进,使其避免容易陷入“早熟”的缺点;利用粒子群算法具有记忆能力和较强并行计算能力等特点,对两个水下航行器同时进行全局路径规划;针对水下航行器无法进行大幅度转弯及灵活性较弱的特点,进一步提出一种双参数光滑细分原则算法,利用该算法对初始路径进行光滑处理,同时给出该方法详细的收敛性证明;利用改进后的算法对两个水下航行器全局静态路径规划进行仿真模拟实验,并对实验结果进行分析性描述。针对动态路径规划中的不确定因素,本文着重考虑到动态大型鱼群和大型移动漂浮物地影响,通过研究水下航行器和动态障碍物的运动学原理,提出一种基于相对运动模型的动态避障策略。水下航行器利用视觉传感器和声呐传感器分别获取近距离和远距离动态障碍物的相应数据,结合扩展卡尔曼滤波对障碍物的运动轨迹进行预测,同时建立了降速和转弯处理的避碰策略,针对不同模型的避碰策略设置不同权值,进而将其转化为整数线性优化求解问题,并对该方法进行数值仿真实验。如今的路径规划技术已不再是传统意义上的一条无碰撞轨迹问题,它需要满足工程应用的实际需求,并在此基础上加入目标强跟踪技术,而这种目标强跟踪技术需要一种鲁棒性较强且稳定度较高的滤波模型。针对这个问题本文提出了一种基于Krein空间的鲁棒性H∞滤波算法,进而把问题转化为二次型最优值求取问题,并进行系统性描述和详细理论证明。为了提高强跟踪滤波算法精度,转而求其次的从运动模型入手,而单纯运动模型已经无法满足复杂环境中的运动问题,故基于此本文提出一种交互式模型算法,将该算法与鲁棒H∞滤波相结合,通过数值仿真对比实验证明该方法的高效性。当由多个航行器进行路径规划时,多个航行器间的协同定位技术则是多水下航行器路径规划技术的重要组成部分。协同定位技术的好坏直接影响整个系统的效率和任务的完成情况。为提高多航行器协同定位的精度,本文提出一种基于Krein空间的非线性不确定系统鲁棒性H∞滤波算法,并将该算法应用于多移动机器人的协同定位系统中,人为地增加机器人个数,从而无形中增加了系统的复杂程度,最终充分的反映出该算法的稳定性和高效性。从实验结果可以看出这种算法能够有效降低多航行器的定位误差,极大程度的提高了航行器系统的导航与定位精度。
单云霄[5](2018)在《城市无人驾驶规划与控制系统的关键技术研究》文中认为得益于人工智能技术的快速发展,无人驾驶受到军事、民用等各个领域的重视。在无人驾驶的关键技术中,规划控制是核心技术之一。由于无人驾驶车辆速度快,环境复杂,对传统的移动机器人算法是一个巨大的挑战。尤其在城市环境下,规划与控制算法需要应对复杂的工况路况带来的各种挑战。因此,设计的规划算法应可弹性变化以响应多样化决策的要求,控制算法应可确保较低的跟踪误差和较平滑的控制过程。本文在渐优采样算法的基础上提出了一种适合无人驾驶的规划算法——anytime CLSST。在车辆控制方面,本文提出了一种基于Clothoid拟合曲线和模糊逻辑的横向控制器CF-Pursuit以及基于模糊的纵向控制器。具体研究内容如下:1)深入探讨了国内外无人驾驶车辆的研究进展情况,比较分析了近些年来路径规划和横向控制方面的主流算法。基于城市无人驾驶的具体要求,提出了城市环境下无人驾驶车辆在规划控制技术方面面临的关键问题。2)对“途智II”无人驾驶车辆的各个组成系统,软硬件构成进行了详细的论述。此外,基于有限状态机设计了无人驾驶车辆的决策系统。3)提出了基于渐优采样算法框架的无人驾驶车辆路径规划算法。结合城市驾驶环境,在渐优采样算法的基础上设计了一种比较适合无人驾驶的算法——anytime CLSST。anytime属性可保证算法的实时效率;CLSST通过融合基于6阶车辆运动模型的闭环控制策略以及SST算法的渐优属性,兼具抗干扰能力和优化特性。在SST的基础上,CLSST对采样策略、母节点选择策略、拓展策略进行了改进和提高。此外,建立了基于目标函数的路径选择策略以生成适合不同工况的优化路径。4)通过设计横向和纵向控制器构建了无人驾驶车辆控制系统。基于几何控制器设计了横向控制器CFPursuit。分析了几何控制器的误差原理,利用Clothoid拟合取代纯追随的圆拟合提高拟合精度降低跟踪误差;融合拟合曲线的最大曲率和模糊逻辑设计了预瞄距离选择策略。此外,基于模糊逻辑设计了纵向控制器。开放城市道路上的对比试验证明设计的横向控制器CFPursuit可满足城市无人驾驶在路径跟踪方面的要求,在30km/h的速度下,跟踪精度优于0.5m。5)利用真实城市道路对设计的规划和控制算法进行试验。试验包括长距离试验、静态障碍物躲避、动态障碍物跟随以及超车和动静态障碍物结合的复合场景。试验结果表明,基于设计的规划控制算法,“途智Ⅱ”无人车可实现最高36km/h的速度行驶;在躲避静态障碍物的场景下,可实现跟驰决策下30km/h和避障决策下15km/h的速度行驶,且决策的过渡过程保持平滑;在动态障碍物跟驰实验中,无人驾驶车辆可自主调节自身车速,且与前车保持安全车距。复合场景试验中,无人驾驶车辆通过决策和规划相互交互配合,实现了在城市复合场景下的安全平稳行驶。
单云霄,郭晓旻,龙江云,蔡斌斌,李必军[6](2018)在《渐优随机采样算法在结构化道路无人驾驶中的应用》文中提出为了解决随机采样算法在结构化道路无人驾驶应用中无法优化收敛的问题,采用渐进优化的采样算法框架设计符合驾驶需求的规划算法。针对渐进优化算法的耗时问题,首先选择不需要Steer(转向函数)的SST算法作为基础框架以规避求解边界值问题。其次,算法融入"Anytime"策略以提高优化解的利用率。再次,改进的闭环控制策略能减少车辆的实际轨迹与规划路径的误差。在设计的闭环策略中,应用4-D车辆运动模型以保证规划路径符合车辆的实际运动轨迹。为了保证驾驶的安全和舒适,设计了一个综合四重因素的代价函数,且根据不同的驾驶场景调整相应的权重参数。最后,利用真实的无人车在无人驾驶城市测试道路上进行测试,测试场景包括前方静态障碍物躲避、前方动态障碍物跟随以及超车和复合动静态障碍物。测试中,采用车辆的速度和转向数据代表算法的优化收敛特性和运动平稳性。研究结果表明:设计的算法能在时速30km·h-1下完成避障、跟车、超车等机动;无人车在跟驰决策下可保持30km·h-1的最高速度,在避障过程中可实现最高15km·h-1的速度,在跟车决策下可根据前车速度变换自身速度以保持合理的车距和运动平滑性。
褚骁庚[7](2017)在《敏捷自主卫星调度算法研究》文中研究指明敏捷卫星调度问题可以看做是卫星从备选观测目标集中选取一个能满足所有观测约束的目标子集进行观测,并获得对应的观测收益。该问题的求解目标是最大化卫星的观测收益。其主要约束条件有,时间窗约束、姿态机动的转换时间约束,固存(固态存储)约束和电量约束。与非敏捷卫星不同,敏捷卫星的俯仰能力可使卫星能通过一定观测姿态在不对目标过顶时即可对目标进行成像。这能大幅度提高卫星对目标的观测时间窗长度,但是也增加了问题的求解难度。一是时间窗的增长增大了求解空间,二是多维的姿态机动能力使得转换时间约束具有了时间依赖的特性。因此,敏捷调度问题的关键约束是由时间窗约束和时间依赖的姿态机动约束组成的时序约束。对时序约束的处理效率决定了求敏捷卫星调度问题可行解的质量。本文以敏捷卫星调度问题中时间依赖的时序约束为着力点,逐步展开了对敏捷自主卫星调度问题在不同应用场景下相关调度算法的研究。论文的主要工作有:(1)对时序约束下敏捷卫星调度问题设计了一个分支定界算法。针对敏捷卫星调度问题中关键的时序约束,本文设计了一个能高效处理时序的分支定界算法。该算法能在合理的时间内,求出敏捷卫星单轨调度问题的全局最优解。论文对算法中的解空间与解表达、初始化方法、对称性消除剪枝策略、支配剪枝策略和上下界剪枝策略进行了详细的介绍。最后,通过仿真实验验证了算法的有效性和求解效率,并分析了初始化方法、支配剪枝策略和下界更新策略等机制对算法求解效率的影响。由于时序约束是敏捷卫星调度问题的关键约束,所以该分支定界算法的研究也为论文其他研究工作打下了基础。(2)提出了一个能有效解决海面搜救场景应用需求的双星星簇,并为其中的敏捷自主卫星设计了对应的在线调度算法。近年来,如何利用多种观测手段有效提高海面搜救的效率成为了多个学科的关注热点。针对海面搜救场景中特殊的应用需求,本文提出了一个可以有效应对海面搜救任务的双星星簇,该星簇由一颗在前端飞行的宽幅目标发现星和一个在紧随发现星飞行的高分辨率目标识别星组成。借助于敏捷卫星在线调度算法,该星簇可在发现海面移动目标的后,立即对目标进行高分比率成像进行识别。基于分支定界的研究工作,本文为高分辨率敏捷卫星设计了一个在线调度算法。最后,通过仿真实验对比了双星星簇与传统管控模式下对海面移动目标的识别效率,也对在线调度算法的相关性能进行了分析。(3)设计了一个可用于星上观测目标决策的决策模型,并研究了如何利用地面计算资源对决策模型进行训练。为进一步拓宽敏捷自主卫星的应用场景,使敏捷自主卫星能有效处理时序约束和固存、电量的资源约束,本文设计了一个可用于星上观测目标决策的决策模型。常规敏捷卫星在线调度时,卫星只能根据临近目标(即将有观测时间窗的目标)的相关信息来决策下一个进行观测的目标。这种“短视”的调度方法会导致卫星过早地消耗掉固存和电量的观测资源,从而使卫星在场景的中后期由于观测资源的不足而不得不放弃对高收益的目标进行观测。本文提出了一个可在星上使用的观测目标决策模型来帮助卫星做出更理性的决策,该模型可利用卫星运行历史数据在地面段完成学习训练。在该决策模型的帮助下,卫星在每次决策下一个观测目标时能统筹历史数据中的全局指导信息,避免过早消耗掉观测资源,提高在场景中的全局观测收益。最后,用仿真实验验证了该方法的有效性。(4)讨论了多颗敏捷自主卫星的星座组网结构,并对多星在线协同规划的相关算法进行了研究。本文立足于当前卫星平台的相关技术,对多颗敏捷自主卫星的星座组网模式进行了分析,提出了分布集中式的星型星座结构。该星座结构能使多颗敏捷卫星在兼顾各自常规观测目标的情况下,提高星座整体的应急目标动态响应能力。然后,对所提星型结构星座对动态应急目标的协同分配策略进行了研究。提出了十个星间协同分配策略,并通过仿真实验对各个算法的特点进行分析。最后,利用机器学习中支持向量机的相关技术,进一步优化了星座对应急目标的协同分配策略,可使星座根据常规目标的分布信息在两个备选协同策略中选取合适的应急目标协同分配策略。
李国梁[8](2017)在《通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法》文中研究说明当前对地观测需求大幅度增加,对地观测任务越来越复杂,随时会面对突发应急情况和观测环境变化,分布式对地观测卫星系统的在线协同以其星上处理、星上调度规划、星上协同为特征,充分利用系统自身的分布性和自主性,实现针对突发应急情况的快速响应、精细调度和协同观测,以提升整个系统的观测效能。论文针对通信约束下分布式对地观测卫星系统在线协同任务调度问题,主要研究了在线协同架构的设计、单星在线任务调度机制以及通信约束下的多星协同任务调度模型与算法,以满足实际应用的需求。全文主要研究成果概括如下:(1)分析并设计了面向分布式对地观测卫星系统在线协同的集中-分布式架构和分散式架构。在梳理多Agent系统协同架构与多星通用架构的基础上,明确多星在线协同所面临的实际约束、应用需求以及架构设计要点,分别设计了集中-分布式协同架构和分散式协同架构,并对架构内各Agent的智能水平与其自主功能配置,以及各Agent之间的信息流交互进行详细设计,从而为后续相应的算法机制设计奠定了基础。(2)构建了基于修订式和渐进式方法的单星在线任务调度机制。面向通信约束、计算能力约束以及动态应急任务到达,卫星网络环境下的单星在线调度问题求解分为两个决策子问题:一是何时调度,二是如何调度。针对何时调度,提出基于时域滚动与应急任务累积阈值的调度时刻混合决策机制,而针对如何调度,构建混合整数线性规划(MILP)模型,根据已提出的调度时刻混合决策机制,分别采用渐进式方法中的完全重调度策略和修订式方法中的调度计划修复策略,提出两种启发式算法。实验结果而言,对于何时调度,从进入调度求解的应急任务比例和总任务收益等性能指标上,调度时刻混合决策机制明显优于完全周期性调度机制;对于如何调度,所提出的两种算法均优于近期公开发表的多种方法。(3)针对通信约束下不同的在线协同架构,提出了多种在线协同算法。分析描述了通信约束下的同构多星在线协同调度问题,特别是对通信约束进行表述,定义了通信时间窗口、批次任务的时间可用性和应急任务的时间可用性等概念,进而构建每批应急任务到达时的子问题MILP模型;面向集中-分布式协同架构,提出了两种基于市场机制的在线协同算法:单项任务下的合同网协议算法SI-CNP和批次任务下的合同网协议算法BA-CNP;面向分散式协同架构,提出了基于同步通信的改进一致性束算法m-CBBA和基于异步通信的改进异步一致性束算法m-ACBBA。实验结果表明,当系统中的通信成本代价高时,m-CBBA算法可在系统总收益和通信次数之间取得平衡,而当系统的通信成本低时,m-ACBBA算法是获得高系统总收益和高应急任务调度成功比例的最佳选择。(4)系统地研究并求解了通信约束下面向复合任务的异构多星在线协同调度问题。首先对复合任务及其子任务约束进行分析描述,具体分为可一次性调度的前摄复合任务和需渐次性调度的渐次复合任务;然后对子问题划分,分别构建MILP模型;最后针对分散式协同架构,构建了基于通用部分全局规划GPGP的异构多星在线协同机制,对已提出的在线协同调度算法进行相应的改进。实验结果表明当通信成本高时,尽可能多搭载成像载荷更有利;要提高复合任务的任务完成度,需保证足够高的收益系数。
薛振坤[9](2017)在《基于Anytime密度聚类的实时电力远动传输异常检测》文中研究表明目前我国的经济正在快速发展,各个行业对电力系统更加依赖,电力系统的安全稳定运行是十分重要。电力远动传输异常检测是电网安全运行的保障,能有效的预防电网异常带来的危害。目前远动传输异常检测面临的主要难点是怎样从不断产生的海量远动传输数据中得到有用信息,进而快速实时地进行异常检测。本文主要围绕基于Anytime的密度聚类的实时远动传输异常检测方法展开研究,为异常检测系统提供有效可行的思路。本文首先介绍了该课题的研究背景和意义。然后,对国内外异常检测,数据挖掘和Anytime算法的发展现状和趋势进行介绍。其次,通过分析远动传输数据的特征,提出了一种基于尺度自适应的小波包变换远动异常检测方法。结合滑动时窗技术,对远动数据进行小波包分解,计算历史时窗和检测时窗内的小波系数的均值和方差比,与给定阈值进行比较来进行自适应分解和初步的异常检测。然后,本文提出了基于Anytime的密度聚类算法(AnyDBSCAN算法)来对远动传输数据进行算法分析。AnyDBSCAN算法主要在DBSCAN算法基础上,融合了Anytime算法的思想。该算法可以在任何时刻终止,并返回当前的一个最优可行解,用来解决工程中的实际需求。通过对算法进行仿真分析,验证了该算法的有效性。最后,本文结合分布式计算框架Spark,设计了在线实时异常检测系统。该系统根据每个从节点的计算性能,通过调度算法给每个作业分配合理的资源,然后利用AnyDBSCAN算法对每个作业进行运算,最后合并,汇总得到最终的结果,并将该结果和离线部分得到的模型进行融合,通过监控该模型的异常类是否变化来达到异常检测的目的。对该系统进行仿真分析,证明了该系统能够较好的检测异常,并且通过进行并行处理,可以极大的提高运算时间,降低计算延时。
冯超,景小宁[10](2016)在《复合打击下具有多次拦截时机的火力分配问题》文中认为针对传统火力分配模型容易造成资源浪费的问题,将火力单元以组为单位,以最大化杀伤概率为目标,构建一种具有多次拦截时机的动态火力分配模型;考虑到组内火力单元复合打击的情况,使用Kuhn-Munkres算法,优先将目标分配给复合打击效果大的目标;在此基础之上,设计了一种基于遗传算法(GA)的Anytime算法,引入了元级控制,提出一种任意时刻算法停机时刻的判定方法;仿真实验验证了模型优越性以及算法的合理性,对火力分配任意时刻算法使用元级控制可以有效提高解的效用。
二、复合Anytime算法的性能描述的生成(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、复合Anytime算法的性能描述的生成(论文提纲范文)
(1)非交叉路段智能车决策规划算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 自动驾驶技术的研究现状 |
1.2.1 国外自动驾驶技术的研究现状 |
1.2.2 国内自动驾驶技术的研究现状 |
1.3 自动驾驶车辆决策与规划方法研究进展 |
1.3.1 自动驾驶车辆决策研究进展 |
1.3.2 自动驾驶车辆规划研究进展 |
1.4 本文的主要研究内容和章节安排 |
第2章 驾驶员决策行为和环境感知研究 |
2.1 基于NGSIM驾驶数据的决策行为分析 |
2.1.1 NGSIM数据集简介 |
2.1.2 轨迹数据筛选和决策场景提取 |
2.2 仿真环境下的感知方案 |
2.3 本章小结 |
第3章 决策系统和运动规划算法的搭建 |
3.1 基于神经网络和深度学习的决策系统 |
3.1.1 基于全连接前馈神经网络的决策系统 |
3.1.2 基于循环神经网络的决策系统 |
3.1.3 基于自动机器学习的决策系统 |
3.2 基于路径-速度解耦的运动规划算法 |
3.2.1 基于快速随机搜索树的路径规划方法 |
3.2.2 基于非线性共轭梯度优化的轨迹平滑方法 |
3.2.3 基于多项式平滑的速度规划方法 |
3.3 本章小结 |
第4章 实验结果及分析 |
4.1 基于ROS和 Prescan的联合仿真环境 |
4.1.1 ROS及第三方库简介 |
4.1.2 Prescan简介及环境搭建 |
4.2 决策网络的选择 |
4.3 运动规划算法的性能验证 |
4.4 动态环境下决策规划算法的结果及分析 |
4.5 本章小结 |
第5章 总结与展望 |
参考文献 |
作者简介及在学期间取得的科研成果 |
致谢 |
(2)智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
常用符号表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 智能汽车发展现状 |
1.3 智能汽车轨迹规划技术的研究现状 |
1.3.1 行驶轨迹规划算法研究现状 |
1.3.2 紧急避撞轨迹规划策略研究现状 |
1.4 智能汽车路径跟踪控制技术的研究现状 |
1.4.1 路径跟踪控制系统研究现状 |
1.4.2 路径跟踪控制策略研究现状 |
1.5 论文主要研究内容及结构 |
2 智能汽车紧急避撞轨迹规划策略研究 |
2.1 智能汽车紧急避撞交通场景分析 |
2.1.1 紧急避撞交通场景定义 |
2.1.2 对向车辆行驶轨迹预测 |
2.1.3 紧急避撞轨迹规划的触发条件 |
2.2 智能汽车的紧急避撞轨迹规划算法研究 |
2.2.1 紧急避撞轨迹规划的问题分析 |
2.2.2 基于模型预测的避撞轨迹路径规划 |
2.2.3 基于多项式拟合的避撞轨迹速度规划 |
2.2.4 避撞轨迹目标状态的确定 |
2.3 智能汽车紧急避撞轨迹的确定 |
2.3.1 候选轨迹的碰撞检测 |
2.3.2 车辆碰撞严重度预测 |
2.3.3 考虑碰撞缓解的避撞轨迹确定 |
2.4 本章小结 |
3 智能汽车路径跟踪控制系统建模 |
3.1 智能汽车路径跟踪控制系统的结构分析及建模假设 |
3.1.1 路径跟踪控制系统的结构分析 |
3.1.2 路径跟踪控制系统的建模假设 |
3.2 智能汽车的侧向动力学建模 |
3.2.1 二自由度车辆模型建立 |
3.2.2 轮胎侧向力计算模型 |
3.3 智能汽车的路径跟踪误差模型 |
3.4 路径跟踪控制系统的状态空间模型 |
3.5 本章小结 |
4 紧急避撞工况下智能汽车路径跟踪控制策略研究 |
4.1 智能汽车路径跟踪控制算法建立 |
4.1.1 MPC控制算法的预测模型 |
4.1.2 MPC路径跟踪控制算法建立 |
4.2 紧急避撞工况下路径跟踪误差模型的优化研究 |
4.2.1 基于航向角偏差的跟踪误差模型优化 |
4.2.3 基于车辆转向工况识别的复合跟踪误差模型 |
4.3 基于复合跟踪误差模型的路径跟踪控制策略研究 |
4.3.1 智能汽车稳定性约束研究 |
4.3.2 智能汽车路径跟踪控制策略建立 |
4.4 本章小结 |
5 智能汽车路径跟踪鲁棒优化控制策略研究 |
5.1 智能汽车路径跟踪控制的鲁棒优化分析 |
5.1.1 路径跟踪控制系统的不确定性分析 |
5.1.2 Tube-RMPC算法分析 |
5.2 基于车辆时变参数特性的Tube不变集优化设计 |
5.2.1 Tube不变集计算方法分析 |
5.2.2 车辆时变参数特性分析 |
5.2.3 Tube不变集优化设计 |
5.3 Tube-RMPC路径跟踪鲁棒优化控制策略研究 |
5.3.1 Tube-RMPC算法的反馈增益 |
5.3.2 路径跟踪控制系统的稳定性约束条件 |
5.3.3 Tube-RMPC系统控制输入求解 |
5.4 本章小结 |
6 智能汽车避撞轨迹规划与路径跟踪控制的仿真试验研究 |
6.1 智能汽车轨迹规划与路径跟踪控制的仿真平台简介 |
6.1.1 基于Car Sim与 Simulink的联合仿真平台简介 |
6.1.2 智能汽车仿真分析技术参数与行驶环境设置 |
6.2 智能汽车路径跟踪控制策略的对比分析 |
6.2.1 基于复合跟踪误差模型的路径跟踪控制策略的对比分析 |
6.2.2 路径跟踪鲁棒优化控制策略的对比分析 |
6.3 智能汽车紧急避撞轨迹规划策略的验证分析 |
6.3.1 仿真试验设置 |
6.3.2 仿真试验及结果分析 |
6.4 本章小结 |
7 全文总结 |
7.1 主要工作及结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(3)敏捷卫星协同调度模型与算法(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 文献综述与研究现状 |
1.2.1 敏捷卫星调度问题研究现状 |
1.2.2 协同调度问题研究现状 |
1.2.3 不确定调度问题研究现状 |
1.2.4 研究现状分析 |
1.3 论文研究内容与组织结构 |
第二章 带有时间依赖的单颗敏捷卫星调度问题 |
2.1 问题描述与建模 |
2.1.1 带有时间依赖的姿态转换 |
2.1.2 混合整数线性规划模型 |
2.2 混合ALNS算法 |
2.2.1 ALNS框架 |
2.2.2 禁忌搜索混合 |
2.2.3 随机化邻域算子 |
2.2.4 部分序列支配 |
2.2.5 快速插入策略 |
2.3 实验分析 |
2.3.1 算法比较 |
2.3.2 ALNS/TPF算法在其他问题的表现 |
2.3.3 算法特征分析 |
2.4 本章小结 |
第三章 带有时间依赖的多颗敏捷卫星协同调度问题 |
3.1 问题描述与建模 |
3.1.1 任务分配对于多星协同的必要性 |
3.1.2 变量及参数定义 |
3.1.3 数学模型 |
3.2 基于自适应任务分配的大邻域搜索算法 |
3.2.1 A-ALNS算法框架 |
3.2.2 自适应任务分配协同层设计 |
3.2.3 初始解生成 |
3.3 实验分析 |
3.3.1 算例设计与生成 |
3.3.2 实验结果 |
3.4 本章小结 |
第四章 考虑时变云层遮挡的多颗敏捷卫星协同调度问题 |
4.1 问题描述 |
4.2 分层式协同调度模型 |
4.2.1 预分配层 |
4.2.2 粗略调度 |
4.2.3 精细调度 |
4.2.4 复杂度分析 |
4.3 分层式协同调度算法 |
4.3.1 状态转移规则 |
4.3.2 信息素更新规则 |
4.3.3 基于蚁群算法的分层调度流程 |
4.4 实验分析 |
4.4.1 算例设计 |
4.4.2 实验结果 |
4.4.3 关于分层式协同机制的讨论 |
4.5 本章小结 |
第五章 考虑紧急任务的多颗敏捷卫星自主协同调度问题 |
5.1 问题描述 |
5.1.1 问题模型 |
5.1.2 问题特性分析 |
5.2 基于多解合成的多星星上分布式协同重调度算法 |
5.2.1 星上分布式协同重调度算法框架 |
5.2.2 多可行解生成 |
5.2.3 多星分布式协同算法 |
5.3 实验分析 |
5.3.1 小型算例示例 |
5.3.2 算例设计与生成 |
5.3.3 实验结果分析 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 论文工作总结 |
6.2 进一步的研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
作者在学期间参与的研究课题 |
附录A 分层调度算法详细结果 |
附录B 缩写词列表 |
(4)水下航行器路径规划关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 水下航行器系统的研究进展 |
1.3 水下航行器路径规划的研究现状 |
1.3.1 水下航行器系统的全局静态路径规划 |
1.3.2 水下航行器的局部动态路径规划 |
1.3.3 水下目标跟踪技术 |
1.4 水下航行器路径规划中的协同定位技术 |
1.5 水下航行器系统路径规划发展趋势与需求 |
1.5.1 路径规划中的传统方法与群智能优化算发的相互结合 |
1.5.2 多传感器信息融合技术在路径规划中的应用 |
1.5.3 路径规划技术指标的提升 |
1.5.4 多个航行器在路径规划上协同定位的应用 |
1.6 论文研究内容 |
第2章 三维海底地形数据融合及建模仿真技术 |
2.1 电子海图中海底高程数据的提取 |
2.2 海底高程数据的融合技术 |
2.2.1 基于随机过程的方法 |
2.2.2 人工智能的方法 |
2.2.3 数据融合方法的比较 |
2.3 基于智能优化算法和卡尔曼滤波相结合的自校正融合方法 |
2.3.1 协方差融合估计 |
2.3.2 自校正融合的方法 |
2.3.3 改进的卡尔曼滤波器数据融合 |
2.3.4 自校正系数的优化问题 |
2.4 基于复合分形插值算法海底模型的建立 |
2.4.1 基于迭代函数系统插值的数学基础 |
2.4.2 复合分形插值算法的设计 |
2.5 仿真实验及结果分析 |
2.6 本章小结 |
第3章 多水下航行器全局静态路径规划研究 |
3.1 常用的全局路径规划方法概述 |
3.1.1 基于几何模型的搜索算法 |
3.1.2 基于智能优化的全局路径规划搜索方法 |
3.2 常用的全局路径规划方法优缺点比较 |
3.3 基于光滑细分原则的粒子群算法的全局路径规划 |
3.3.1 改进型算法地设计 |
3.3.2 算法的收敛性分析 |
3.3.3 算法的仿真实验及分析 |
3.4 真实海底环境算法实现过程及流程图 |
3.4.1 粒子初始化问题 |
3.4.2 对粒子位置进行编码 |
3.4.3 设计适应度函数及约束条件 |
3.4.4 粒子的更新及终止条件,最终形成可行路径 |
3.5 仿真实验及结果分析 |
3.5.1 全局路径实验一 |
3.5.2 全局路径实验二 |
3.5.3 全局路径实验三 |
3.5.4 全局路径实验四 |
3.6 本章小结 |
第4章 水下航行器局部动态路径规划研究 |
4.1 水下航行器局部路径规划介绍 |
4.1.1 基于虚拟势场的局部路径规划 |
4.1.2 基于数学最优化方法的局部路径规划 |
4.2 移动物体运动学基础 |
4.2.1 水下航行器的运动学基础 |
4.2.2 障碍物运动情况综合分析 |
4.2.3 基于EKF滤波方法预测障碍物运动 |
4.3 碰撞预测及避障策略 |
4.3.1 障碍物碰撞预测 |
4.3.2 AUV避障策略 |
4.4 仿真实验 |
4.4.1 动态障碍物运动仿真实验 |
4.4.2 水下航行器避障实验仿真 |
4.5 本章小结 |
第5章 基于多模型的水下目标强跟踪研究 |
5.1 典型模型分析 |
5.1.1 匀速(CV)模型 |
5.1.2 匀加速(CA)模型 |
5.1.3 匀转弯(CT)模型 |
5.1.4 Singer模型 |
5.2 基于改进鲁棒性H_∞滤波的IMM算法 |
5.2.1 Krein空间的基本原理 |
5.2.2 鲁棒H_∞滤波在Krein空间中的理论 |
5.2.3 多模型算法的基本理论 |
5.2.4 水下航行器系统模型 |
5.2.5 交互式多模型算法 |
5.3 数值仿真分析 |
5.4 本章小结 |
第6章 基于非线性鲁棒H_∞滤波的多航行器协同定位研究 |
6.1 非线性不确定系统的鲁棒H_∞滤波的描述(KHIF) |
6.1.1 系统描述与优化问题 |
6.1.2 Krein空间形式系统的建立 |
6.1.3 递归公式与最优值条件 |
6.1.4 数值仿真与分析 |
6.2 多水下航行器协同定位系统的非线性误差模型 |
6.2.1 状态方程 |
6.2.2 量测方程 |
6.3 试验结果与分析 |
6.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(5)城市无人驾驶规划与控制系统的关键技术研究(论文提纲范文)
论文主要创新点 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 无人驾驶车辆国内外研究现状 |
1.3 无人驾驶车辆路径规划算法的国内外研究现状 |
1.3.1 移动机器人 |
1.3.2 无人驾驶车辆 |
1.4 无人驾驶车辆横向控制算法的国内外研究现状 |
1.5 主要研究内容 |
1.6 论文的组织结构 |
第二章 城市无人驾驶车辆系统分析及其决策子系统设计 |
2.1 无人驾驶车辆的体系结构与功能 |
2.1.1 感知和定位系统 |
2.1.2 数据融合系统 |
2.1.3 决策系统 |
2.1.4 规划系统 |
2.1.5 控制系统 |
2.2 基于有限状态机的决策系统设计 |
2.2.1 城市环境下无人驾驶车辆决策设计面临的问题 |
2.2.2 决策系统设计 |
2.3 小结 |
第三章 城市环境下无人驾驶车辆路径规划算法研究 |
3.1 运动规划问题 |
3.1.1 移动机器人的运动规划问题 |
3.2 SST算法 |
3.3 基于anytime和CL_SST的规划算法设计 |
3.3.1 CL_SST的闭环策略 |
3.3.2 CL_SST的算法解析 |
3.4 基于目标函数的路径优化选择策略 |
3.5 基于迟滞检验的重规划策略 |
3.5.1 迟滞检验 |
3.5.2 路径更新 |
3.6 小结 |
第四章 城市环境下无人驾驶车辆控制算法研究 |
4.1 基于Clothoid拟合和模糊逻辑设计横向控制器 |
4.1.1 几何跟踪控制器 |
4.1.2 CF_Pursuit的设计 |
4.2 基于模糊逻辑的纵向控制器设计 |
4.3 横向控制器对比试验 |
4.3.1 试验方法 |
4.3.2 试验结果 |
4.4 小结 |
第五章 “途智II”试验验证结果与分析 |
5.1 算法植入 |
5.1.1 车辆计算单元 |
5.1.2 模型参数调整 |
5.1.3 算法参数设置 |
5.2 Anytime特性试验分析 |
5.3 长距离试验 |
5.3.1 场景设计 |
5.3.2 试验结果与分析 |
5.4 静态障碍物试验 |
5.4.1 场景设计 |
5.4.2 试验结果与分析 |
5.5 动态障碍物试验 |
5.5.1 场景设计 |
5.5.2 试验结果与分析 |
5.6 复合场景试验 |
5.6.1 场景设计 |
5.6.2 试验结果与分析 |
5.7 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻博期间发表的科研成果以及参与的科研项目目录 |
致谢 |
(6)渐优随机采样算法在结构化道路无人驾驶中的应用(论文提纲范文)
0 引言 |
1 Anytime CL_SST规划算法 |
1.1 移动机器人的轨迹规划问题 |
1.2 Anytime CL_SST |
1.2.1 算法的“Anytime”策略 |
1.2.2 CL_SST算法 |
2 轨迹选择 |
2.1 平滑度Csm |
2.2 时间代价Ct |
2.3 离终点的距离Cgoal |
2.4 离障碍物的距离Cobs |
2.5 权重系数 |
3 试验和分析 |
3.1 算法植入 |
3.2“Anytime”特性试验分析 |
3.3 躲避静态障碍物 |
3.4 动态车辆跟随 |
3.5 复杂场景测试 |
4 结语 |
(7)敏捷自主卫星调度算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状综述 |
1.2.1 敏捷卫星调度研究现状 |
1.2.2 敏捷卫星在线调度研究现状 |
1.2.3 多星调度方法总结 |
1.2.4 柔性制造中机器学习的应用 |
1.2.5 研究现状总结 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 敏捷卫星调度问题 |
2.1 敏捷卫星及其成像原理 |
2.1.1 对地观测卫星成像原理 |
2.1.2 敏捷卫星对地观测过程 |
2.2 敏捷卫星调度问题相关约束条件 |
2.2.1 具有时间依赖特性的时序约束 |
2.2.2 资源约束 |
2.3 数学模型 |
2.4 敏捷卫星姿态机动特点 |
2.5 本章小结 |
第三章 时序约束下敏捷卫星分支定界算法 |
3.1 算法框架 |
3.2 解空间与解表达 |
3.3 前瞻构造式初始化方法 |
3.4 剪枝策略 |
3.4.1 对称消除剪枝策略 |
3.4.2 支配剪枝策略 |
3.4.3 上下界剪枝策略 |
3.5 实验分析 |
3.5.1 实验算例设计 |
3.5.2 结果与分析 |
3.6 本章小结 |
第四章 敏捷卫星在线调度算法 |
4.1 针对海面目标的双星星簇 |
4.2 在线调度算法 |
4.3 实验分析 |
4.3.1 实验算例设计 |
4.3.2 实验结果与分析 |
4.4 本章小节 |
第五章 星上目标决策模型 |
5.1 决策模型的主要内容 |
5.2 观测目标的筛选 |
5.3 启发式算法集 |
5.4 观测方案评价方法 |
5.5 地面参数学习 |
5.5.1 地面学习的参数 |
5.5.2 基于分布估计的学习算法 |
5.6 实验分析 |
5.6.1 实验设计 |
5.6.2 实验结果与分析 |
5.7 本章小节 |
第六章 多星在线协同规划算法 |
6.1 问题描述 |
6.1.1 自主卫星协同组网的应用需求 |
6.1.2 卫星网络结构设计 |
6.1.3 星座协同流程 |
6.2 星座的协同任务规划方法 |
6.2.1 卫星单星调度算法 |
6.2.2 主星应急目标协同策略 |
6.3 协同策略实验分析 |
6.3.1 实验设计 |
6.3.2 实验结果及分析 |
6.4 协同分配策略的选择算法 |
6.4.1 协同策略分析 |
6.4.2 常规目标参数选取 |
6.4.3 实验结果及分析 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 本文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(8)通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 分布式对地观测卫星系统 |
1.2.2 单星自主任务调度规划研究现状 |
1.2.3 多星协同任务调度规划研究现状 |
1.2.4 多机器人系统协同任务分配研究现状 |
1.2.5 当前研究存在的问题与解决思路 |
1.3 论文组织结构与创新点 |
1.3.1 论文主要内容与组织结构 |
1.3.2 论文创新点 |
第二章 基于多Agent系统的分布式对地观测卫星系统在线协同架构设计 |
2.1 Agent与多Agent系统 |
2.1.1 Agent |
2.1.2 多Agent系统 |
2.1.3 多Agent系统协同架构 |
2.2 通信约束下基于多Agent系统的在线协同架构分析与设计 |
2.2.1 约束与需求分析 |
2.2.2 协同架构设计要点分析 |
2.2.3 集中-分布式多星协同架构 |
2.2.4 分散式多星协同架构 |
2.3 本章小结 |
第三章 基于修订式和渐进式方法的单星在线任务调度机制 |
3.1 问题描述 |
3.2 调度时刻混合决策机制 |
3.3 调度模型与算法设计 |
3.3.1 模型构建 |
3.3.2 求解策略 |
3.3.3 启发式算法 |
3.4 实验设计与结果 |
3.4.1 实验设计 |
3.4.2 针对何时调度的结果分析 |
3.4.3 针对如何调度的结果分析 |
3.5 本章小结 |
第四章 通信约束下面向简单任务的同构多星在线协同 |
4.1 问题描述与数学模型 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.2 面向集中-分布式架构的在线协同算法 |
4.2.1 单项任务下的合同网协议算法 |
4.2.2 批次任务下的合同网协议算法 |
4.3 面向分散式架构的在线协同算法 |
4.3.1 基于同步通信的改进一致性束算法 |
4.3.2 基于异步通信的改进异步一致性束算法 |
4.4 应用实例 |
4.4.1 实例设计 |
4.4.2 结果分析 |
4.5 本章小结 |
第五章 通信约束下面向复合任务的异构多星在线协同 |
5.1 问题描述 |
5.1.1 前摄复合任务 |
5.1.2 渐次复合任务 |
5.2 数学模型 |
5.3 基于GPGP的异构多星在线协同机制 |
5.4 应用实例 |
5.4.1 实例设计 |
5.4.2 面向前摄复合任务的实例结果分析 |
5.4.3 面向渐次复合任务的实例结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
作者在学期间参加的科研项目 |
(9)基于Anytime密度聚类的实时电力远动传输异常检测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 异常检测研究现状 |
1.2.2 数据挖掘研究现状 |
1.2.3 Anytime算法研究现状 |
1.3 课题研究内容与论文构成 |
第二章 基于小波包变换的电力远动传输异常检测 |
2.1 引言 |
2.3 电力远动系统特征选择 |
2.4 尺度自适应的小波包变换算法 |
2.5 仿真实验分析 |
2.6 本章总结 |
第三章 基于AnyDBSCAN的电力远动传输异常检测 |
3.1 引言 |
3.3 基于Anytime的 DBSCAN算法 |
3.4 AnyDBSCAN算法 |
3.5 仿真分析 |
3.6 本章总结 |
第四章 基于AnyDBSCAN的实时并行异常检测系统 |
4.1 引言 |
4.2 基于Spark并行化的AnyDBSCAN算法 |
4.3 仿真分析 |
4.4 本章总结 |
第五章 总结与展望 |
5.1 本文的研究内容 |
5.2 未来展望 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(10)复合打击下具有多次拦截时机的火力分配问题(论文提纲范文)
1 火力分配模型 |
1.1 模型的建立 |
1.2 毁伤效果计算 |
1)若火力单元组内火力单元个数为偶数 |
2)若火力单元组内火力单元个数为奇数 |
2 带元级控制的Anytime算法 |
2.1 Anytime算法描述 |
2.2 元级控制的改进 |
3 仿真与分析 |
3.1 Anytime算法性能对比 |
3.2 元级控制效果对比 |
3.3 目标数量较大情况下的算法性能对比 |
4 结论 |
四、复合Anytime算法的性能描述的生成(论文参考文献)
- [1]非交叉路段智能车决策规划算法研究[D]. 金浙. 吉林大学, 2021(01)
- [2]智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究[D]. 孙传扬. 北京交通大学, 2021
- [3]敏捷卫星协同调度模型与算法[D]. 何磊. 国防科技大学, 2019(01)
- [4]水下航行器路径规划关键技术研究[D]. 吕重阳. 哈尔滨工程大学, 2019(04)
- [5]城市无人驾驶规划与控制系统的关键技术研究[D]. 单云霄. 武汉大学, 2018(06)
- [6]渐优随机采样算法在结构化道路无人驾驶中的应用[J]. 单云霄,郭晓旻,龙江云,蔡斌斌,李必军. 中国公路学报, 2018(04)
- [7]敏捷自主卫星调度算法研究[D]. 褚骁庚. 国防科技大学, 2017(02)
- [8]通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法[D]. 李国梁. 国防科技大学, 2017(02)
- [9]基于Anytime密度聚类的实时电力远动传输异常检测[D]. 薛振坤. 上海交通大学, 2017(12)
- [10]复合打击下具有多次拦截时机的火力分配问题[J]. 冯超,景小宁. 航空学报, 2016(11)